> ## Documentation Index
> Fetch the complete documentation index at: https://langchain.idochub.dev/llms.txt
> Use this file to discover all available pages before exploring further.

# Studio

<Warning>
  **Alpha 版本提示：** 本文档涵盖的是 **v1-alpha** 版本。内容尚不完整，且可能随时变更。

  如需查阅最新稳定版本，请参阅 v0 版本的 [LangChain Python 文档](https://python.langchain.com/docs/introduction/) 或 [LangChain JavaScript 文档](https://js.langchain.com/docs/introduction/)。
</Warning>

本指南将引导您如何使用 **LangGraph Studio** 在本地可视化、交互和调试您的智能代理。

LangGraph Studio 是一款免费且功能强大的智能代理集成开发环境（IDE），与 [LangSmith](/langsmith/home) 集成，支持追踪、评估和提示词工程。您可以清晰了解代理的思考过程，追溯每一步决策，从而构建更智能、更可靠的代理。

<Frame>
  <iframe className="w-full aspect-video rounded-xl" src="https://www.youtube.com/embed/Mi1gSlHwZLM?si=zA47TNuTC5aH0ahd" title="LangGraph Studio" frameBorder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowFullScreen />
</Frame>

## 前提条件

开始之前，请确保您已具备以下条件：

* 一个 [LangSmith](https://smith.langchain.com/settings) 的 API 密钥（注册免费）

## 设置本地 LangGraph 服务器

### 1. 安装 LangGraph CLI

```shell theme={null}
# 需要 Python >= 3.11。
pip install --upgrade "langgraph-cli[inmem]"
```

### 2. 准备您的代理

我们将以下简单代理作为示例：

```python title="agent.py" theme={null}
from langchain.agents import create_agent

model = ChatOpenAI(model="gpt-4o")

def send_email(to: str, subject: str, body: str):
    """发送电子邮件"""
    email = {
        "to": to,
        "subject": subject,
        "body": body
    }
    # ... 发送邮件逻辑

    return f"邮件已发送至 {to}"

agent = create_agent(
    "openai:gpt-4o",
    tools=[send_email],
    prompt="您是一个邮件助手。请始终使用 send_email 工具。",
)
```

### 3. 环境变量

在项目根目录下创建一个 `.env` 文件，并填入所需的 API 密钥。我们需要将 `LANGSMITH_API_KEY` 环境变量设置为您从 [LangSmith](https://smith.langchain.com/settings) 获取的 API 密钥。

<Warning>
  请务必不要将 `.env` 文件提交到 Git 等版本控制系统中！
</Warning>

```bash .env theme={null}
LANGSMITH_API_KEY=lsv2...
```

### 4. 使您的应用兼容 LangGraph

在应用目录内，创建配置文件 `langgraph.json`：

```json title="langgraph.json" theme={null}
{
  "dependencies": ["."],
  "graphs": {
    "agent": "./src/agent.py:agent"
  },
  "env": ".env"
}
```

`create_agent()` 会自动返回一个已编译的 LangGraph 图，我们可以将其传递给配置文件中的 `graphs` 键。

<Info>
  有关配置文件中每个键的详细说明，请参阅 [LangGraph 配置文件参考文档](/langgraph-platform/cli#configuration-file)。
</Info>

到目前为止，我们的项目结构如下：

```bash theme={null}
my-app/
├── src
│   └── agent.py
├── .env
└── langgraph.json
```

### 5. 安装依赖项

在您的新 LangGraph 应用根目录中，安装依赖项：

<CodeGroup>
  ```shell pip theme={null}
  pip install -e .
  ```

  ```shell uv theme={null}
  uv sync
  ```
</CodeGroup>

### 6. 在 Studio 中查看您的代理

启动 LangGraph 服务器：

```shell theme={null}
langgraph dev
```

<Warning>
  Safari 浏览器会阻止对 Studio 的 `localhost` 连接。为解决此问题，请使用 `--tunnel` 参数运行上述命令，通过安全隧道访问 Studio。
</Warning>

您的代理将可通过 API (`http://127.0.0.1:2024`) 和 Studio UI `https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024` 访问：

<Frame>
  [LangGraph Studio UI 中的代理视图](/oss/images/studio_create-agent.png)
</Frame>

Studio 让您的代理每一步操作都清晰可见。您可以重播任意输入，检查确切的提示词、工具参数、返回值以及令牌/延迟指标。如果某个工具抛出异常，Studio 会记录异常及其上下文状态，帮助您减少调试时间。

保持开发服务器运行，编辑提示词或工具签名，Studio 会自动热重载。从任意步骤重新运行对话线程，以验证行为变更。详情请参阅 [管理线程](/langgraph-platform/threads-studio#edit-thread-history)。

随着您的代理日益复杂，同一视图可从单工具演示扩展至多节点图，确保决策过程清晰可复现。

<Tip>
  如需深入了解 LangGraph Studio，请查看我们的综合 [LangGraph Studio 概览](/langgraph-platform/langgraph-studio)。
</Tip>